Hoorcollege 6 (22-10-2020)
Kijken naar de relaties tussen categorische variabelen / Kwantitatieve variabele
Verschillen in gemiddelde → ANOVA analyse (1-Factor (Oneway)
T-test: kijkt naar 2 onafhankelijke groepen tegelijkertijd
1-Factor-ANOVA: kijken naar meerdere groepen tegelijkertijd
Hoe meer toetsen we doen, hoe groter de kans dat je een fout kan maken! Hoe groter de kans dat
je een H0 ga verwerpen (type 1 fout).
Type 1 fout: H0 verwerpen terwijl je dit niet had moeten doen (halusineren; je ziet een effect terwijl
dat niet zo is)
Type 2 fout: H0 niet verwerpen terwijl je dit wel had moeten doen (je ziet geen effect terwijl dat er
wel is)
Hoofdstuk 12
1-Factor ANOVA
Verschillen groepen in gemiddelde op continue variabele → Je gaat vergelijken
- Afhankelijke variable
- Onafhankelijke variable: factor (variable die de groep aangeeft)
De factor heeft aantal niveaus (categorieën). Voorbeeld: CDA, PvdA, VVD
ANOVA
➢ Analysis of variance = verschillen op afhankelijke variable door rekening te houden met het
feit dat mensen in verschillende groepen zitten (verklaarde varianties)
➢ (Regressie: verwachte variantie : geobserveerde variantie = F)
Verschillende varianties te bepalen:
- Van alle scores
- Van scores binnen 1 groep
- Van de gemiddelde scores van de groepen
Vergelijking
T-test = verschil twee groepsgemiddelde (H0: verschil is 0 dus GEEN verschil).
1-Factor ANOVA = meer dan 2 verschilscores in gemiddelde die je niet los kunt toetsen.
Hoe groot is het verschil tussen de groepen ten opzichte van het verschil (spreiding) die we
binnen de groepen zien.
Verschillen tussen mensen die hetzelfde zijn. De individuele verschilscores binnen een
normaal verdeling.
De verschilscores tussen de verschilscores in de steekproef moet groter zijn dan de
verschilscores in de normaal verdeling van de steekproef = het verschil moet dus nog groter zijn
tussen mensen die verschillen i.p.v. mensen die hetzelfde zijn (uit dezelfde experimentele conditie
komen).
Dit gaat veranderen bij geen normaal verdeling.
We kijken naar gemiddelde, variantie (spreiding) en verschil tussen de groepen.
1
, SPSS om data weer te geven
- Scatterplot
- Boxplot
Voorbeeld experiment 1-Factor ANOVA: random toewijzing, verschillende factoren, gemiddelde
vergelijken.
Onafhankelijke variabele: factor geluid, aantal niveaus van het geluid 3, welke?
Afhankelijke variabele: meting ruimtelijk inzicht, hoeveel metingen per persoon?
Between subject design = iedere persoon zit in één van de groepen.
Within subject design = iedere persoon test alle groepen.
Random toewijzen
→ Belangrijk om BIAS te voorkomen.
→ Groepen moeten hetzelfde zijn op 1 ding na (de groep waar ze inzitten gemanipuleerd door de
onderzoeker en random toegewezen.
→ Uitsluiten andere mogelijke verklaringen. Ze moeten niet van elkaar verschillen door een andere
factor.
Random toegewezen: Dit kan alleen als je genoeg proefpersonen hebt!
Checken andere verschillen
Stappen die je zet
1) Bekijken van data
2) Testen
1. Stellen H0 op / Ha op
H0 = er is niks aan de hand en de groepen hebben dezelfde gemiddelden
Ha = In de populatie is minimaal 1 gemiddelde anders dan de andere gemiddelden
2. Verdeling H0 weergegeven
3. Wat zien we in de steekproef en past dit binnen de H0 verdeling?
Welke verhouding tussen de verschillen tussen groepen (between) en verschillen binnen
de groepen (within).
Berekenen bronnen van variantie
• Variantie tussen alle scores
- Totale variantie
Som van kwadraten = hoeveelheid variantie in scores van de afhankelijke variable, die aan
een bepaalde bron kan worden toegeschreven.
Formule variantie blok 1.3 >
Individuele score – gemiddelde, kwadrateren, optellen, delen door n-1
SStotal = som van (score-totaalgemiddelde)2
- Verschillen tussen de groepen (verklaarde variantie)
Hoe erg liggen groepsgemiddelde boven of onder mijn totaalgemiddelde.
2
Kijken naar de relaties tussen categorische variabelen / Kwantitatieve variabele
Verschillen in gemiddelde → ANOVA analyse (1-Factor (Oneway)
T-test: kijkt naar 2 onafhankelijke groepen tegelijkertijd
1-Factor-ANOVA: kijken naar meerdere groepen tegelijkertijd
Hoe meer toetsen we doen, hoe groter de kans dat je een fout kan maken! Hoe groter de kans dat
je een H0 ga verwerpen (type 1 fout).
Type 1 fout: H0 verwerpen terwijl je dit niet had moeten doen (halusineren; je ziet een effect terwijl
dat niet zo is)
Type 2 fout: H0 niet verwerpen terwijl je dit wel had moeten doen (je ziet geen effect terwijl dat er
wel is)
Hoofdstuk 12
1-Factor ANOVA
Verschillen groepen in gemiddelde op continue variabele → Je gaat vergelijken
- Afhankelijke variable
- Onafhankelijke variable: factor (variable die de groep aangeeft)
De factor heeft aantal niveaus (categorieën). Voorbeeld: CDA, PvdA, VVD
ANOVA
➢ Analysis of variance = verschillen op afhankelijke variable door rekening te houden met het
feit dat mensen in verschillende groepen zitten (verklaarde varianties)
➢ (Regressie: verwachte variantie : geobserveerde variantie = F)
Verschillende varianties te bepalen:
- Van alle scores
- Van scores binnen 1 groep
- Van de gemiddelde scores van de groepen
Vergelijking
T-test = verschil twee groepsgemiddelde (H0: verschil is 0 dus GEEN verschil).
1-Factor ANOVA = meer dan 2 verschilscores in gemiddelde die je niet los kunt toetsen.
Hoe groot is het verschil tussen de groepen ten opzichte van het verschil (spreiding) die we
binnen de groepen zien.
Verschillen tussen mensen die hetzelfde zijn. De individuele verschilscores binnen een
normaal verdeling.
De verschilscores tussen de verschilscores in de steekproef moet groter zijn dan de
verschilscores in de normaal verdeling van de steekproef = het verschil moet dus nog groter zijn
tussen mensen die verschillen i.p.v. mensen die hetzelfde zijn (uit dezelfde experimentele conditie
komen).
Dit gaat veranderen bij geen normaal verdeling.
We kijken naar gemiddelde, variantie (spreiding) en verschil tussen de groepen.
1
, SPSS om data weer te geven
- Scatterplot
- Boxplot
Voorbeeld experiment 1-Factor ANOVA: random toewijzing, verschillende factoren, gemiddelde
vergelijken.
Onafhankelijke variabele: factor geluid, aantal niveaus van het geluid 3, welke?
Afhankelijke variabele: meting ruimtelijk inzicht, hoeveel metingen per persoon?
Between subject design = iedere persoon zit in één van de groepen.
Within subject design = iedere persoon test alle groepen.
Random toewijzen
→ Belangrijk om BIAS te voorkomen.
→ Groepen moeten hetzelfde zijn op 1 ding na (de groep waar ze inzitten gemanipuleerd door de
onderzoeker en random toegewezen.
→ Uitsluiten andere mogelijke verklaringen. Ze moeten niet van elkaar verschillen door een andere
factor.
Random toegewezen: Dit kan alleen als je genoeg proefpersonen hebt!
Checken andere verschillen
Stappen die je zet
1) Bekijken van data
2) Testen
1. Stellen H0 op / Ha op
H0 = er is niks aan de hand en de groepen hebben dezelfde gemiddelden
Ha = In de populatie is minimaal 1 gemiddelde anders dan de andere gemiddelden
2. Verdeling H0 weergegeven
3. Wat zien we in de steekproef en past dit binnen de H0 verdeling?
Welke verhouding tussen de verschillen tussen groepen (between) en verschillen binnen
de groepen (within).
Berekenen bronnen van variantie
• Variantie tussen alle scores
- Totale variantie
Som van kwadraten = hoeveelheid variantie in scores van de afhankelijke variable, die aan
een bepaalde bron kan worden toegeschreven.
Formule variantie blok 1.3 >
Individuele score – gemiddelde, kwadrateren, optellen, delen door n-1
SStotal = som van (score-totaalgemiddelde)2
- Verschillen tussen de groepen (verklaarde variantie)
Hoe erg liggen groepsgemiddelde boven of onder mijn totaalgemiddelde.
2
